情景描述:在抓一个网站的数据,但是有的信息不是每个网页都有,而是部分网页才显示,就是只有这点差别而已,我做了一个规则,但是只抓到一类网页的信息,怎么解决啊

解决方案:
1)要看实际情况,有些网页能用一个规则,例如百度新闻搜索网页,搜索结果有多种结构,有的新闻有图片和相同新闻数显示,有的新闻就没有,虽然没有这些信息,但对应的div说不定一直存在,具体情况需要分析网页结构,就是把网页加载到MS谋数台,然后点击网页信息,观察这些信息结构的异同点;如果div一直存在,就可以把这个网页当作样本页面做规则,红框中的抓取内容(仅部分网页显示的信息)就不用设置成关键内容,这样,网页显示这些信息时DS打数机就会抓取,没有的网页就会跳过不抓,同时正常抓取页面上的其它信息

2)如果网页结构改动很大,没有对应的div,要做两个规则才行,可以定义两个规则,放在同一个主题名下,一个规则抓取一种网页结构的数据,一个主题名可以包含多个规则,相当于是一组规则了,DS打数机在抓数据时就会用这组规则去匹配网页结构,抓取与规则相匹配的网页数据。

举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2016-8-31 15:15

沙发
有正事的小青年 初级会员 发表于 2016-8-31 14:01:00 | 只看该作者
创建新的规则后,点击分析页面,总告诉我工作台已经变,没有操作意义,或者出现,下载抓取规则:主题名.规则》meta.xml失败,原因Fail to find the data schema

11.png (4.33 KB, 下载次数: 333)

下载抓取规则

下载抓取规则
举报 使用道具
板凳
ym 版主 发表于 2016-8-31 14:34:20 | 只看该作者
有正事的小青年 发表于 2016-8-31 14:01
创建新的规则后,点击分析页面,总告诉我工作台已经变,没有操作意义,或者出现,下载抓取规则:主题名.规 ...

创建新规则要点击文件菜单->清空工作台,加载新网页后再点击文件菜单->刷新网页结构,如果是JS动态网页,还要点击文件菜单->冻结页面,防止网页结构中途变化。
举报 使用道具
地板
有正事的小青年 初级会员 发表于 2016-8-31 15:15:19 | 只看该作者
ym 发表于 2016-8-31 14:34
创建新规则要点击文件菜单->清空工作台,加载新网页后再点击文件菜单->刷新网页结构,如果是JS动态网页, ...

我好像懂了,我理解错原有的规则那个了,我以为原有规则是在规则一上面直接改,改成规则二,实际上我应该先创建规则二,不是直接把一变成二,我试一试~谢谢亲~
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-4-25 21:47